基于YOLO V5的海榄雌瘤斑螟智能识别与预警

来源：环境昆虫学报杂志2024年第3期北京时间：

作者：杨红飞，杨华，刘付文婷，江楠，邱国葳，巫俊达，徐金柱

单位：1.广东文艺职业学院,2. 广东省森林培育与保护利用重点实验室/广东省林业科学研究院,3.广州医科大学生物医学工程学院

摘要：海榄雌瘤斑螟Ptyomaxia syntaractis，红树植物白骨壤Avicennia marina最重要害虫，严重影响白骨壤生长和生态功能的发挥。为高效监测海榄雌瘤斑螟的种群发生动态，实时获得预警信息，本研究通过引入目标检测算法YOLO V5进行深度学习，对监测设备上的海榄雌瘤斑螟进行识别与计数，实时发布种群数量。采用黑光灯诱捕装置获取海榄雌瘤斑螟成虫图像，构建两种不同图像大小的数据集，采用旋转、增噪等方式增强图像数据集；对比了不同训练模型对采集图像的检测性能和不同图像大小对数据集识别结果的影响，用精确率、召回率、F1值、平均精度评估各模型的差异。测试结果表明，模型YOLO V5s对海榄雌瘤斑螟识别的精确率、召回率和F1值分别为96.13%、92.06%和0.93，并且能够很好的识别原始尺寸的图像。基于YOLO V5网络模型设计的海榄雌瘤斑螟识别计数模型识别准确率高，可满足海榄雌瘤斑螟种群监测与预警。

关键词：海榄雌瘤斑螟,深度学习,YOLO V5,自动识别,预警,

基金资助：广东省林业科技创新（2023KJCX020）；广东省重点领域研发计划（2020B020214001）